如何以客戶為中心進(jìn)行數(shù)據(jù)挖掘與分析

數(shù)據(jù)挖掘與分析可以說是信息領(lǐng)域發(fā)展最快的技術(shù)，很多不同領(lǐng)域的專家都從中獲得了發(fā)展的空間，使得數(shù)據(jù)挖掘成為企業(yè)界討論的熱門話題。

隨著信息技術(shù)的發(fā)展，人們采集數(shù)據(jù)的手段越來越豐富，由此積累的數(shù)據(jù)日益膨脹，數(shù)據(jù)量達(dá)到GB甚至TB級，而且高位數(shù)據(jù)也成為了主流，于是數(shù)據(jù)挖掘這一融合多種分析手段，從大量數(shù)據(jù)中發(fā)現(xiàn)有用知識的方法就應(yīng)運而生了，它的出現(xiàn)為商業(yè)決策提供了有價值的知識，讓企業(yè)獲得了利潤，在客戶內(nèi)在需求管理中，數(shù)據(jù)挖掘正在起著導(dǎo)向的作用。

一、以客戶為中心的數(shù)據(jù)分析框架思想

信息時代到今天已經(jīng)發(fā)生了三個變遷，從80年代的硬件時代，到90年代的軟件時代，到2000年開始的客戶為中心的信息時代。

我們也在這個階段看到了服務(wù)業(yè)的競爭也發(fā)生了翻天覆地的變化——從以服務(wù)內(nèi)容取勝，到服務(wù)渠道取勝，到現(xiàn)階段的客戶體驗取勝。

1、從客戶視角構(gòu)建業(yè)務(wù)框架

從宏觀視角看，業(yè)務(wù)戰(zhàn)略方向逐漸深入以客戶為中心的思想，從微觀視角看，在客戶為中心的思想驅(qū)動下，企業(yè)需要進(jìn)行一整套的機(jī)制流程改變，包括客戶為中心的數(shù)據(jù)挖掘與分析，客戶為中心的業(yè)務(wù)規(guī)劃，客戶為中心的營銷規(guī)劃，客戶為中心的設(shè)計，客戶為中心的績效體系構(gòu)建等。

傳統(tǒng)業(yè)務(wù)規(guī)劃我們通常只考慮業(yè)務(wù)之間的邏輯關(guān)系，較小的考慮客戶操作視角中形成的一連串的心理反映、行為特征、價值取向等等，而在客戶為中心的業(yè)務(wù)規(guī)劃中，客戶的每個操作都需要詳細(xì)分析，記錄在案，通過行為軌跡綜合分析客戶心理特征，所以能夠更有效的促進(jìn)客戶完成業(yè)務(wù)，以下為傳統(tǒng)業(yè)務(wù)規(guī)劃和客戶為中心的業(yè)務(wù)規(guī)劃的兩個對比：

（1）、傳統(tǒng)業(yè)務(wù)規(guī)劃

①、大腦風(fēng)暴構(gòu)建業(yè)務(wù)流程，從業(yè)務(wù)規(guī)劃者角度而非客戶角度出發(fā)。

②、我們不知道客戶需要什么，更糟糕的是客戶可能也不知道。

③、每個環(huán)節(jié)都存在客戶流失，而我們不知道發(fā)生了什么。

④、客戶每次點擊都是營銷機(jī)會，但是我們錯過了每一次機(jī)會。

⑤、客戶在每一個環(huán)節(jié)都錯過了本來他可能會購買的商品。

⑥、當(dāng)客戶離開時我們永久的失去了該客戶，沒有留下有價值的信息。

（2）、從客戶視角構(gòu)建業(yè)務(wù)框架

①、以客戶為中心的思維方式構(gòu)建業(yè)務(wù)框架。

②、系統(tǒng)需要滿足不同類型的客戶的個性化需求，其核心為數(shù)據(jù)挖掘和應(yīng)用。

③、系統(tǒng)需要協(xié)助客戶達(dá)成實現(xiàn)客戶期望，并幫助客戶發(fā)現(xiàn)并實現(xiàn)潛在需求。

④、系統(tǒng)需要智能尋找最佳的幫助時機(jī)，智能的進(jìn)行客戶協(xié)助。

⑤、系統(tǒng)建設(shè)需要考慮未來系統(tǒng)的發(fā)展方向，其核心為客戶需求挖掘。

2、業(yè)務(wù)及營銷為中心的數(shù)據(jù)體系建設(shè)

今天的營銷正在發(fā)生巨大的轉(zhuǎn)變，客戶需要更大的參與度，與企業(yè)更多的互動，特別在電子渠道中互動營銷正在成為主角。

客戶對企業(yè)的要求越來越高，對應(yīng)的行為也在發(fā)生變化，而傳統(tǒng)以推送方式為主體的營銷方式不僅僅效率低下，而且使客戶越來越厭惡，這充分體現(xiàn)在了營銷轉(zhuǎn)化率低下，客戶拒絕率提升，滿意度下降等數(shù)據(jù)上。

如果我們細(xì)心觀察今天的廣告價格，您可以發(fā)現(xiàn)今天的營銷行為已經(jīng)不再是把廣告投放到“新媒體”那么簡單，今天的營銷人員必須找到出路，努力在多種高度互動的營銷渠道中展開高級個性化和相關(guān)溝通，創(chuàng)造良好的客戶體驗，努力提升營銷效率。

以購買為例，我們經(jīng)過客戶研究發(fā)現(xiàn)幾個行為特征，消費者首先對產(chǎn)品開始感興趣，此時銷售人員雖然可以幫助客戶，但是不宜直接對話，最佳方式通過系統(tǒng)智能的與消費者進(jìn)行互動，幫助消費者決策，而當(dāng)消費者產(chǎn)生了真正購買的沖動之后，消費者更愿意主動通過IM方式與客服溝通形成購買行為（具體可查看馬海祥博客《收集客戶關(guān)系管理數(shù)據(jù)的策略和需求分析》的相關(guān)介紹）。

所以，營銷人員必須對整個每個營銷時機(jī)有提前預(yù)估，這就要求我們在數(shù)據(jù)體系構(gòu)建時，必須能夠幫助營銷人員統(tǒng)計客戶變化情況，并且需要滿足營銷人員針對客戶每時每刻不斷變化的需求進(jìn)行個性化營銷定制的需求，協(xié)助營銷人員展開精準(zhǔn)營銷活動。

①、數(shù)據(jù)框架建設(shè)必須以業(yè)務(wù)及營銷為中心

②、數(shù)據(jù)框架建設(shè)需要滿足現(xiàn)有的業(yè)務(wù)需求，并且需要盡可能滿足未來業(yè)務(wù)發(fā)展的需求

③、數(shù)據(jù)框架建設(shè)重點在于實現(xiàn)智能交互

④、數(shù)據(jù)需要能夠用于分析，判斷，決策，使用

⑤、數(shù)據(jù)框架建設(shè)需要能夠反應(yīng)出數(shù)據(jù)的變化趨勢，協(xié)助業(yè)務(wù)的分析判斷

二、數(shù)據(jù)分析框架的主要事件

主要事件事件描述分類根據(jù)業(yè)務(wù)的需要進(jìn)行必要的分類，比如對客戶評級的分類，AA等級或AAA等級估計根據(jù)業(yè)務(wù)數(shù)據(jù)判斷的需要定義需要估計的數(shù)據(jù)和數(shù)據(jù)區(qū)間值，對業(yè)務(wù)進(jìn)行補(bǔ)充和協(xié)助。

例如根據(jù)客戶儲蓄和投資行為估計客戶投資風(fēng)格預(yù)測根據(jù)數(shù)據(jù)的變化趨勢預(yù)測數(shù)據(jù)的發(fā)展方向；例如根據(jù)歷史投資數(shù)據(jù)幫助客戶預(yù)測投資行情等數(shù)據(jù)分組根據(jù)業(yè)務(wù)需要對數(shù)據(jù)進(jìn)行分組；例如購買A類的客戶通常也會購買B類，購買A的客戶后有一個B周期會產(chǎn)生C行為聚類數(shù)據(jù)集合的邏輯關(guān)系，比如同時擁有A特征和B特征的數(shù)據(jù)，可以推斷出其也擁有C特征描述描述性數(shù)據(jù)有助于提取關(guān)鍵要素進(jìn)行數(shù)據(jù)歸納；例如從數(shù)據(jù)關(guān)鍵詞中進(jìn)行近似業(yè)務(wù)營銷，備忘錄等復(fù)雜數(shù)據(jù)挖掘例如Video，Audio，圖形圖像等等。

1、分類（Classification）

在業(yè)務(wù)構(gòu)建中，最重要的分類一般是對客戶數(shù)據(jù)的分類，主要用于精準(zhǔn)營銷。

通常分類數(shù)據(jù)最大的問題在于分類區(qū)間的規(guī)劃，例如分類區(qū)間的顆粒度以及分類區(qū)間的區(qū)間界限等，分類區(qū)間的規(guī)劃需要根據(jù)業(yè)務(wù)流來設(shè)定，而業(yè)務(wù)流的設(shè)計必須以客戶需要為核心，因此，馬海祥覺得分類的核心思想在于能夠完成滿足客戶需要的業(yè)務(wù)。

由于市場需求是變化的，分類通常也是變化的，例如銀行業(yè)務(wù)中VIP客戶的儲蓄區(qū)間。

2、估計（Estimation）

通常數(shù)據(jù)估計是互動營銷的基礎(chǔ)，基于客戶行為進(jìn)行數(shù)據(jù)估計為基礎(chǔ)進(jìn)行互動營銷已經(jīng)被證實具有較高的業(yè)務(wù)轉(zhuǎn)化率，銀行業(yè)中通常通過客戶數(shù)據(jù)估計客戶對金融產(chǎn)品的偏好，電信業(yè)務(wù)和互聯(lián)網(wǎng)業(yè)務(wù)則通常通過客戶數(shù)據(jù)估計客戶需要的相關(guān)服務(wù)或者估計客戶的生命周期。

馬海祥覺得數(shù)據(jù)估計必須基于數(shù)據(jù)的細(xì)分和數(shù)據(jù)邏輯關(guān)聯(lián)性，數(shù)據(jù)估計需要有較高的數(shù)據(jù)挖掘和數(shù)據(jù)分析水平。

3、預(yù)測（Prediction）

根據(jù)數(shù)據(jù)變化趨勢進(jìn)行未來預(yù)測通常是非常有力的產(chǎn)品推廣方式，例如證券業(yè)通常會推薦走勢良好的股票，銀行會根據(jù)客戶的資本情況協(xié)助客戶投資理財以達(dá)到某個未來預(yù)期，電信行業(yè)通常以服務(wù)使用的增長來判斷業(yè)務(wù)擴(kuò)張和收縮以及營銷等。

數(shù)據(jù)預(yù)測通常是多個變量的共同結(jié)果，每組變量之間一般會存在某個相互聯(lián)系的數(shù)值，我們根據(jù)每個變量的關(guān)系通?？梢杂嬎愠鰯?shù)據(jù)預(yù)測值，并以此作為業(yè)務(wù)決策的依據(jù)展開后續(xù)行動。

4、數(shù)據(jù)分組（Affinity Grouping）

數(shù)據(jù)分組是精準(zhǔn)營銷的基礎(chǔ)，當(dāng)數(shù)據(jù)分組以客戶特征為主要維度時，通?？梢杂糜诠烙嬒乱淮涡袨榈幕A(chǔ)，例如通過客戶使用的服務(wù)特征的需要來營銷配套服務(wù)和工具，購買了A類產(chǎn)品的客戶一般會有B行為等等（具體可查看馬海祥博客《如何通過數(shù)據(jù)來分析用戶與產(chǎn)品的關(guān)系》的相關(guān)介紹）。

在馬海祥看來，數(shù)據(jù)分組的難點在于分組維度的合理性，通常其精確性取決于分組邏輯是否與客戶行為特征一致。

5、聚類（Clustering）

數(shù)據(jù)聚類是數(shù)據(jù)分析的重點項目之一，例如在健康管理系統(tǒng)中通過癥狀組合可以大致估計病人的疾病，在電信行業(yè)產(chǎn)品創(chuàng)新中客戶使用的業(yè)務(wù)組合通常是構(gòu)成服務(wù)套餐的重要依據(jù)，在銀行業(yè)產(chǎn)品創(chuàng)新中客戶投資行為聚合也是其金融產(chǎn)品創(chuàng)新的重要依據(jù)。

馬海祥提醒大家一點：數(shù)據(jù)聚類的要點在于聚類維度選取的正確性，需要不斷的實踐來驗證其可行性。

6、描述（Description）

描述性數(shù)據(jù)的最大效用在于可以對事件進(jìn)行詳細(xì)歸納，通常很多細(xì)微的機(jī)會發(fā)現(xiàn)和靈感啟迪來自于一些描述性的客戶建議，同時客戶更愿意通過描述性的方法來查詢搜索等，這時就需要技術(shù)上通過較好的數(shù)據(jù)關(guān)聯(lián)方法來協(xié)助客戶。

描述性數(shù)據(jù)的使用難點在于大數(shù)據(jù)量下數(shù)據(jù)要素提取和歸類，其核心在于要素提取規(guī)則以及歸類方法，要素提取和歸類是其能夠被使用的基礎(chǔ)。

7、復(fù)雜數(shù)據(jù)挖掘

復(fù)雜數(shù)據(jù)挖掘比如Video，Audio等，其要素目前依然難以通過技術(shù)手段提取，但也可以從上下文與語境中提取一些要素幫助聚類，例如重要客戶標(biāo)記了高度重要性的Video一般優(yōu)先權(quán)重也應(yīng)該較高。

復(fù)雜數(shù)據(jù)的挖掘目前處理的方式一般通過數(shù)據(jù)錄入的標(biāo)準(zhǔn)化來解決，核心在于數(shù)據(jù)錄入標(biāo)準(zhǔn)體系的規(guī)劃，馬海祥建議為了整理的方便，初期規(guī)劃是盡可能考慮完善，不僅僅適用現(xiàn)在，而且可以適用于未來。

三、從客戶需求到業(yè)務(wù)

針對不同客戶群體的特點和需求，我們也應(yīng)有針對性的數(shù)據(jù)挖掘和分析，用個性化的服務(wù)贏得了廣大客戶。

1、客戶為中心的業(yè)務(wù)規(guī)劃思想

客戶為中心的業(yè)務(wù)規(guī)劃大致有三個環(huán)節(jié)：從客戶研究到需求挖掘，從需求信息到數(shù)據(jù)化的需求管理，從需求文檔到業(yè)務(wù)規(guī)劃與設(shè)計。

客戶為中心的業(yè)務(wù)規(guī)劃不僅僅需要考慮業(yè)務(wù)需求是否能夠滿足需求的問題，還需要考慮到業(yè)務(wù)的變化趨勢，業(yè)務(wù)的營銷重點。

2、數(shù)據(jù)挖掘技術(shù)

對于客戶數(shù)據(jù)的挖掘，我們可以通過以下幾種方法來獲?。?/span>

（1）、Clickstream Data點擊流數(shù)據(jù)

①、直接訪問數(shù)量

②、訪客來源

③、訪客地理位置

④、點擊流跟蹤

（2）、Outcomes Data結(jié)果型數(shù)據(jù)

①、訪客（初次訪問數(shù)，訪問總數(shù)，平均回訪數(shù)，關(guān)注點）

②、頁面瀏覽（平均瀏覽數(shù)，總PV ，訪問超過一頁的訪客比）

③、時間（全局，人均）

④、關(guān)鍵行為（如：注冊，購買）

⑤、轉(zhuǎn)化率

（3）、Research Data研究性數(shù)據(jù)

①、客戶研究

②、啟發(fā)式評估，客戶體驗測試

③、客戶屬性（數(shù)據(jù)庫分析）

④、客戶期望分析（從數(shù)據(jù)到服務(wù)）

（4）、Competitive Data 競爭性數(shù)據(jù)

①、“面”數(shù)據(jù)測量（大眾分析）

②、網(wǎng)絡(luò)服務(wù)數(shù)據(jù)測量（行業(yè)分析）

③、搜索引擎測量（輿情分析）

3、數(shù)據(jù)分析技術(shù)

對于數(shù)據(jù)分析技術(shù)，我們有可以分為初級數(shù)據(jù)分析和高級數(shù)據(jù)分析2種：

（1）、初級數(shù)據(jù)分析

①、Click Density Analysis  點擊密度分析

②、Visitor Primary Purpose  訪客首要目的

③、Task Completion Rates  任務(wù)完成率

④、Segmented Visitor Trends  客戶分層

⑤、Multichannel Impact Analysis  渠道分析

（2）、高級數(shù)據(jù)分析

①、客戶價值組屬性

②、客戶特征組屬性

③、數(shù)據(jù)估計值組合

④、數(shù)據(jù)預(yù)期值組合

⑤、聚類組合分析

⑥、客戶深層次研究

4、跨渠道的數(shù)據(jù)交互思想

①、跨渠道數(shù)據(jù)交互一般服務(wù)或者營銷為目的。

②、跨渠道數(shù)據(jù)交互必須客戶為中心。

③、跨渠道數(shù)據(jù)交互能夠給客戶立體式體驗，有效提升品牌體驗。

5、基于數(shù)據(jù)的互動式業(yè)務(wù)規(guī)劃

①、基于數(shù)據(jù)交互的業(yè)務(wù)規(guī)劃對象一般是一個系列產(chǎn)品或服務(wù)鏈條，通常廣泛應(yīng)用于通信業(yè)，銀行業(yè)，保險業(yè)，零售業(yè)等。

②、基于數(shù)據(jù)交互的業(yè)務(wù)規(guī)劃必須以客戶為中心，分析客戶出現(xiàn)需求的各種時機(jī)，并智能匹配以產(chǎn)品或服務(wù)，其實現(xiàn)以數(shù)據(jù)挖掘為核心。

6、基于數(shù)據(jù)的互動式營銷規(guī)劃

基于數(shù)據(jù)的交互式營銷主要指互動營銷，核心思想為分析客戶的特定時機(jī)需求，并根據(jù)該需求推薦相關(guān)產(chǎn)品或服務(wù)滿足客戶需要，廣泛應(yīng)用于各種行業(yè)。

基于數(shù)據(jù)交互的業(yè)務(wù)規(guī)劃同樣必須以客戶為中心，分析客戶出現(xiàn)需求的各種時機(jī)，并智能匹配以產(chǎn)品或服務(wù)，其實現(xiàn)同樣以數(shù)據(jù)挖掘為核心。

7、數(shù)據(jù)預(yù)測

數(shù)據(jù)分析：對照A服務(wù)和B服務(wù)的使用記錄，使用A服務(wù)的客戶在1個月收益小于B服務(wù)，而3個月會產(chǎn)生收益大于B服務(wù)。

互動營銷：建議需要1個月服務(wù)的客戶使用B服務(wù)，建議需要3個月的客戶使用A服務(wù)。

業(yè)務(wù)創(chuàng)新：面向需要兩個月服務(wù)的客戶開發(fā)非A非B的C類型服務(wù)。

數(shù)據(jù)挖掘不是為了替代傳統(tǒng)的統(tǒng)計分析技術(shù)，相反，他是統(tǒng)計分析方法學(xué)的延伸和擴(kuò)展，大多數(shù)的統(tǒng)計分析技術(shù)都基于完善的數(shù)學(xué)理論和高超的技巧，預(yù)測的準(zhǔn)確度還是令人滿意的，但對使用者的要求很高，隨著計算機(jī)計算能力的不斷增強(qiáng)，我們有可能利用計算機(jī)強(qiáng)大的計算能力只通過相對簡單和固定的方法完成同樣的功能。